¿El Data Mining contra el terrorismo?

Atrás quedó el tiempo en que supuestos agentes dobles como Mata Hari, que enviaban información confidencial a diferentes países a principios de siglo XX. El Data Mining es una de las tácticas en boga al momento de recopilar información sobre los movimientos y costumbres de una persona. Quienes lo utilizan argumentan que sirve para combatir el terrorismo, mientras que sus detractores piensan que invade la privacidad individual.

Esta actividad consiste en recabar información sobre personas a partir de datos fragmentados. Sin embargo, a la hora de recopilar dicha información existen varias formas de hacerlo: la cibernética, la Inteligencia Artificial, y las redes neuronales constituyen el modo en que Gobiernos de los países centrales recogen información sobre sus ciudadanos.

Las redes neuronales son la materia prima del Data Mining, y el funcionamiento de tales consiste en comprender el comportamiento de sistemas naturales a través de sistemas artificiales. "Son distintos enfoques para generar modelos basados en el conocimiento que se tiene sobre las formas de operar de los sistemas inteligentes, con la intención de encontrar sistemas artificiales que den cuenta de las operaciones de los sistemas naturales. La unión de todos éstos enfoques converge en lo que se conoce globalmente como Data Mining (minería de datos – descubrimiento de conocimiento)", explicó Enrique Segura, Dr. en Matemáticas y director del Departamento de Computación de la Facultad de Ciencias Exactas y Naturales, de la Universidad de Buenos Aires.

La información hoy día es impresionante, a tal punto que hacen falta sistemas y unidades de medidas cada vez más grandes. Por ejemplo: en un terabyte podría almacenarse 100 bytes de información por cada habitante del mundo, y ello ser transformado en símbolos significantes, es decir: información sobre personas.

Según el académico, Data Mining significa utilizar toda la potencia del cálculo al servicio de la recopilación de información que permita establecer patrones de comportamiento. Una vez recopilados, se caracterizan en dos segmentos: supervisados o predictivos, y no supervisados o de descubrimiento del conocimiento. En el caso de los supervisados, se relaciona un atributo desconocido con otro conjunto de atributos, y a partir de las relaciones que hubiera entre ellos, se establece la información del atributo desconocido.

Respecto de los no supervisados, en éste caso, se utilizan métodos cuantitativos, probabilísticos, y estadísticos para establecer patrones o tendencias de aquello que se pretende rastrear. Por otra parte, existen métodos como el Bayesian, cuya metodología es la lógica inductiva, descubrimiento de modelado de datos y análisis de decisión.

Por su parte, Alejandro Ariel Vaisman, Dr. en Ciencias de la Computación, y director de la Maestría en Data Mining de la Universidad de Buenos Aires, explicó que la diferencia entre sistemas tiene que ver con la capacidad de información que cada uno puede procesar.

"La diferencia entre el Data Mining y los otros modelos existentes para generar información está dada por la capacidad de procesar grandes volúmenes de información. Para que se entienda: uno puede replicar un conjunto reducido de datos mediante una técnica estadística conocida. Si esta misma estadística se utiliza para decenas de terabytes de información no podrá realizarse sin tener en cuenta los algoritmos con los que se trabajará. La conjunción de algoritmos con modelos que provienen de otras disciplinas es lo que podemos denominar Data Mining”, aseguró Vaisman.

Uno de los problemas con el Data Mining tiene que ver con el uso que se dará a los nuevos ríos de información que pudieran surgir de tales prácticas. Por ahora solo se trata del nacimiento de una tecnología. Sin embargo, los celulares con cámara de fotos, los GPS, y -tal vez- la guerra contra el terrorismo terminen por redefinir el límite entre lo privado y lo público, que tanto esfuerzo y vidas costó a la humanidad.

Más información: www.dc.uba.ar.